Gestión de entornos en Python

Bibliografía

• VENV Docs
• Poetry Docs
• Anaconda Docs
• uv Docs

1. Introducción

Existen varias opciones para la gestión de paquetes en Python. Independientemente de la que elijas, mi recomendación es optar siempre por la alternativa más simple y minimalista. Cuanto menor sea el número de dependencias y más ligero el entorno, más fácil será llevarlo a producción (por ejemplo, en una imagen de Docker), compartirlo con tu equipo o mantenerlo en el tiempo.

En la actualidad, las opciones que más recomiendo son Poetry y uv. Ambas herramientas agilizan la creación y gestión de entornos, permiten mantener las configuraciones del proyecto de forma organizada mediante un archivo pyproject.toml y, sobre todo, favorecen la reproducibilidad de los proyectos, algo esencial tanto en desarrollo como en despliegue.

1.1. Anaconda

Logo de Anaconda

Anaconda es una plataforma de código abierto diseñada para la creación y gestión de entornos virtuales en Python, enfocada en proyectos de ciencia de datos y aprendizaje automático. Proporciona una distribución de Python con numerosas bibliotecas preinstaladas, un gestor de paquetes eficiente y herramientas avanzadas como Jupyter.

La gestión de paquetes en Anaconda se realiza mediante Conda, aunque también es posible utilizar PIP. Durante años fue la plataforma más usada en ciencia de datos, ya que ofrecía un ecosistema completo (Jupyter, Spyder, RStudio, etc.) de manera muy sencilla. Sin embargo, con el tiempo ha presentado limitaciones:

• Licencia más restrictiva para empresas.
• Exceso de dependencias por defecto, lo que dificulta entornos de producción ligeros.

Hoy en día existen alternativas más eficientes, modernas y ligeras, como Poetry y uv, que utilizan el gestor de entornos virtuales de Python y evitan instalar paquetes innecesarios.

1.2. VENV

Por otro lado, VENV es una alternativa más ligera para la creación de entornos virtuales sin las dependencias adicionales de Anaconda. En este caso, la gestión de paquetes se lleva a cabo con PIP.

1.3. Poetry

Logo de Poetry

Poetry es otra herramienta de gestión de dependencias en proyectos de Python. Permite, entre otras cosas:

• Administrar dependencias por grupos (producción, pruebas, documentación, etc.).
• Crear y manejar entornos virtuales automáticamente.
• Facilitar la creación de wheels para empaquetar proyectos y publicarlos en PyPI.

1.4. uv

uv es una de las herramientas más recientes y rápidas para la gestión de entornos y dependencias en Python. Desarrollada por Astral (los creadores de Ruff), destaca por:

• Ser extremadamente veloz en comparación con pip y poetry, gracias al uso del lenguaje de programación Rust.
• Instalar y resolver dependencias en cuestión de milisegundos.
• Usar un modelo similar a cargo (de Rust), con archivos pyproject.toml.
• Gestionar entornos virtuales sin necesidad de configuraciones adicionales.

uv busca reemplazar a pip, pip-tools, poetry y venv con una única solución rápida y moderna.

2. Utilidades para la gestión de entornos

2.1. Creación de un entorno virtual

Un entorno virtual es como una “caja aislada” donde instalamos las librerías que necesita un proyecto en particular, sin afectar al resto del sistema ni a otros proyectos. Dependiendo de la herramienta que elijas, el proceso puede variar un poco. Aquí tienes las opciones más utilizadas:

VENV

1. Actualizar el sistema (para tener las últimas mejoras y seguridad):

   sudo apt update && sudo apt upgrade -y

2. Añadir un repositorio con versiones recientes de Python (opcional, solo si tu sistema no tiene la versión que necesitas):

   sudo add-apt-repository ppa:deadsnakes/ppa
   sudo apt update

3. Instalar una versión específica de Python (ejemplo: Python 3.10):

   sudo apt install python3.10

4. Instalar VENV y herramientas básicas (pip y cabeceras de desarrollo):

   sudo apt install python3.10-venv python3.10-dev python3-pip

5. Crear el entorno virtual dentro del directorio del proyecto:

   python -m venv nombre_del_entorno

6. Activar el entorno (a partir de aquí, todo lo que instales quedará dentro de esta “caja aislada”):

   source nombre_del_entorno/bin/activate

Anaconda

1. Descargar e instalar Anaconda desde la página oficial.

2. Abrir la terminal de Anaconda Prompt (en Windows se instala junto con Anaconda).

3. Crear un nuevo entorno:

   conda create --name nombre_del_entorno

4. Activar el entorno:

   conda activate nombre_del_entorno

5. (Opcional) Usar pip dentro de Anaconda: Se puede, aunque no se recomienda mezclar conda y pip, porque puede dar problemas de compatibilidad.

   conda install anaconda::pip
   pip install --upgrade pip

Poetry

1. Instalar Poetry:

   pip install poetry

2. Configurar Poetry para que cree entornos dentro del proyecto (esto es lo más práctico y viene por defecto en las versiones recientes):

   poetry config virtualenvs.in-project true

3. Crear un nuevo proyecto (Poetry genera la estructura básica con carpetas y un archivo pyproject.toml):

   poetry new nombre_del_proyecto

4. Instalar dependencias y generar el entorno automáticamente:

   poetry install

uv

1. Instalar uv (en Linux/macOS):

   curl -LsSf https://astral.sh/uv/install.sh | sh

2. Crear un nuevo proyecto:

   uv init nombre_del_proyecto
   cd nombre_del_proyecto

3. Crear el entorno virtual e instalar dependencias:

   uv venv
   uv pip install nombre_del_paquete

2.2. Gestión de la caché

Para liberar espacio o solucionar problemas con dependencias, se puede purgar la caché con los siguientes comandos:

PIP

pip cache purge

Anaconda

conda clean --all

Poetry

poetry cache clear --all .

uv

uv cache clean

2.3. Actualización de paquetes

Mantener las dependencias actualizadas es clave para el correcto funcionamiento del proyecto.

PIP

Actualizar todos los paquetes

Puedes utilizar el siguiente comando para actualizar todos los paquetes:

pip freeze | grep -v "^\-e" | cut -d = -f 1 | xargs -n1 pip install -U

Donde:

• pip freeze: Genera una lista de los paquetes instalados.
• grep -v "^\-e": Excluye las instalaciones en modo editable.
• cut -d = -f 1: Extrae solo los nombres de los paquetes, sin las versiones.
• xargs -n1 pip install -U: Actualiza cada paquete.

Actualizar un paquete específico

Para actualizar un paquete específico:

pip install --upgrade nombre_del_paquete

Anaconda

Actualizar todos los paquetes

Aunque Anaconda permite la instalación de paquetes con PIP, se recomienda evitar mezclar paquetes del repositorio de Anaconda y PIP, ya que esto podría causar conflictos. Si decides usar paquetes de Anaconda, puedes actualizar todos los paquetes con:

conda update --all

Actualizar un paquete específico

Para actualizar un paquete específico:

conda update nombre_del_paquete

Poetry

Actualizar todos los paquetes

poetry update

Actualizar un paquete específico

Para actualizar un paquete específico:

poetry update nombre_del_paquete

uv

uv pip install --upgrade nombre_del_paquete

2.4. Instalación de paquetes desde un archivo de requisitos

Cuando un proyecto necesita dependencias específicas, es útil usar un archivo requirements.txt:

1. Crear un archivo requirements.txt con los paquetes y versiones deseadas:

   numpy==1.21.0
   pandas>=1.3.0
   requests

2. Instalar los paquetes desde el archivo:

   PIP

   pip install -r requirements.txt

   Poetry

   poetry install

   uv

   uv pip install -r requirements.txt

2.5. Eliminar un entorno

VENV, Poetry, uv

En la mayoría de los casos, los entornos creados con VENV, Poetry y uv se alojan dentro del propio directorio del proyecto. Por ello, si ya no los necesitas, basta con eliminar la carpeta correspondiente para borrar por completo el entorno junto con toda su información.

rm -rf nombre_del_entorno

Anaconda

1. Listar los entornos disponibles:

   conda env list

2. Eliminar un entorno:

   conda env remove --name nombre_del_entorno

2.6. Integración del entorno con Jupyter

Para utilizar un entorno virtual dentro de Jupyter, es necesario seguir estos pasos:

1. Instalar ipykernel en el entorno Primero, debes añadir ipykernel como dependencia dentro del entorno virtual. Para ello, instala el paquete utilizando el gestor de dependencias correspondiente (por ejemplo, pip, poetry, uv o conda).

2. Registrar el entorno en Jupyter Este paso es necesario únicamente cuando el entorno virtual se encuentra en un directorio diferente al del proyecto. En la mayoría de los entornos de desarrollo, como VSCode, si el entorno está dentro del directorio del proyecto, se detectará automáticamente y podrás seleccionar el kernel asociado sin pasos adicionales.

   En caso de que necesites registrar el entorno manualmente, ejecuta:

   python -m ipykernel install --user --name=nombre_del_entorno

2.7. Eliminación de paquetes instalados

PIP

Eliminar todos los paquetes

pip list --format=freeze > installed.txt
pip uninstall -r installed.txt -y

Eliminar un paquete específico

pip uninstall nombre_del_paquete

Anaconda

conda remove nombre_del_paquete

Poetry

poetry remove nombre_del_paquete

uv

uv pip uninstall nombre_del_paquete